复旦大学开源！针对地下停车场的模拟数据集，支持多任务，多传感器和多语义标签对齐！
以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容
(资料图片仅供参考)
点击领取学习资料 → 机器人SLAM学习资料大礼包
#论文# #开源数据集# SUPS: A Simulated Underground Parking Scenario Dataset for Autonomous Driving
论文地址：https://arxiv.org/abs/2302.12966
作者单位：复旦大学
开源数据集：https://github.com/jarvishou829/SUPS
随着自动驾驶范围的扩大，自动地下停车已引起相当大的关注。汽车获得环境信息，跟踪其位置，并建立一个可靠的场景地图。主流解决方案包括神经网络和SLAM方法，这些方法需要大量精心标注的图像和多传感器。然而，目前缺乏具有多个传感器和标注良好的图像的地下停车场景数据集，这些数据集支持SLAM任务和感知任务，例如语义分割和停车位检测。
在本文中，我们提出了SUPS，这是一个用于地下自动停车的模拟数据集，它支持多个任务，多个传感器和多个语义标签根据时间戳与连续图像对齐。我们打算用虚拟场景中环境的可变性以及传感器的多样性和可访问性来弥补现有数据集的缺陷。具体而言，数据集记录了四个周围鱼眼相机、两个前向针孔相机、一个深度相机的帧，以及来自激光雷达、惯性测量单元（IMU）和全球导航卫星系统的数据。为对象提供像素级语义标签，尤其是地面标志，如箭头、停车线、车道和减速带。我们的数据集支持感知、3D重建、深度估计和SLAM以及其他相关任务。我们还评估了数据集上最先进的SLAM算法和感知模型。
本文贡献如下：
1、我们提出了SUPS，这是一个用于地下自动停车的模拟数据集，它支持多个任务，具有多个传感器和多个语义标签，根据时间戳与连续图像对齐。它允许在地下停车场景中对SLAM和感知算法的鲁棒性和准确性进行基准测试。
2、我们在数据集上评估了几种最先进的语义分割和SLAM算法，以显示其在地下停车场景中的实用性和挑战性。
3、我们开源了SUPS数据集和整个模拟地下停车场景，使研究人员能够针对特定任务进行自行设计的更改。
以上内容来自小六的机器人SLAM学习圈 每日更新内容
标签：
X 关闭
X 关闭
